基于检测反馈的知识与策略协同更新方法和装置与流程

本申请涉及检测策略优化，具体而言，涉及一种基于检测反馈的知识与策略协同更新方法和装置。

背景技术：

1、在透明膜、光学薄膜、复合膜材、偏光片等膜材产品的工业在线与离线检测场景中，系统长期运行会持续产生大量异常处置记录。这些数据承载着产线真实异常机理、有效检测经验与失败案例信息，是支撑检测系统持续优化的重要知识资源。如何高效利用此类数据优化检测能力，已成为行业内的普遍需求。

2、现有检测系统多以完成基础检测任务为目标，通常采用独立模块分别管理检测过程、算法参数与业务日志，各类信息以离散形式存储与使用。检测策略的配置与调用依赖预设参数与人工经验，异常信息的记录以原始结果为主，导致大量检测经验难以转化为可复用的资源，数据价值得不到充分挖掘，长期运行易出现误检、漏检率偏高的情况，难以满足高精度、高适应性的检测要求。

技术实现思路

1、本申请的主要目的在于提供一种基于检测反馈的知识与策略协同更新方法和装置，以解决大量检测经验难以转化为可复用的资源，数据价值得不到充分挖掘，长期运行易出现误检、漏检率偏高的情况，难以满足高精度、高适应性的检测要求的问题，能够实现检测经验结构化沉淀、策略智能优化、系统持续学习的效果。

2、为了实现上述目的，本申请的第一方面，提出了一种基于检测反馈的知识与策略协同更新方法，包括：获取当前检测任务的场景信息；根据所述场景信息从检测策略库中调用目标检测策略执行检测，得到目标检测结果和对所述目标检测结果的反馈数据；根据所述目标检测结果与所述反馈数据更新异常知识图谱，并基于更新后的异常知识图谱对所述检测策略库中的目标检测策略进行评估和更新。

3、根据本申请提供的一种基于检测反馈的知识与策略协同更新方法，所述根据所述目标检测结果与所述反馈数据更新异常知识图谱，包括：提取所述目标检测结果中的异常类型、异常位置、异常特征数据，以及所述反馈数据中的修正结论、处置关联信息；将所述异常类型、异常位置、异常特征数据、修正结论、处置关联信息作为新增或更新的节点及边关系，融入所述异常知识图谱，形成更新后的异常知识图谱。

4、根据本申请提供的一种基于检测反馈的知识与策略协同更新方法，所述基于更新后的异常知识图谱对所述检测策略库中的目标检测策略进行评估和更新，包括：基于更新后的异常知识图谱确定当前检测场景对应的异常特征匹配度和历史执行效果关联数据；根据所述异常特征匹配度和所述历史执行效果关联数据对所述目标检测策略的检测准确率、误报率、漏报率进行量化评估，得到量化评估结果；在所述量化评估结果达到预设优化阈值的情况下，提高所述目标检测策略的优先级；在所述量化评估结果未达到预设优化阈值的情况下，降低所述目标检测策略的优先级，或将所述目标检测策略标记为待优化状态。

5、根据本申请提供的一种基于检测反馈的知识与策略协同更新方法，所述根据所述目标检测结果与所述反馈数据更新异常知识图谱，并基于更新后的异常知识图谱对所述检测策略库中的目标检测策略进行评估和更新之后，所述方法还包括：对所述异常知识图谱与所述检测策略库的更新过程进行版本记录；若新版本综合检测指标低于预设标准，则执行版本回滚操作；若新版本综合检测指标高于或等于预设标准，则将新版本设为默认运行版本。

6、根据本申请提供的一种基于检测反馈的知识与策略协同更新方法，所述反馈数据包括：人工复核结论、工艺处置结果、误判标记中的至少一种。

7、根据本申请提供的一种基于检测反馈的知识与策略协同更新方法，所述场景信息包括检测对象类型、检测精度要求、检测环境参数、生产批次信息中的至少一种。

8、本申请还提供一种基于检测反馈的知识与策略协同更新装置，包括如下模块：获取模块和处理模块；所述获取模块，用于获取当前检测任务的场景信息；所述处理模块，用于根据所述场景信息从检测策略库中调用目标检测策略执行检测，得到目标检测结果和对所述目标检测结果的反馈数据；根据所述目标检测结果与所述反馈数据更新异常知识图谱，并基于更新后的异常知识图谱对所述检测策略库中的目标检测策略进行评估和更新。

9、本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述基于检测反馈的知识与策略协同更新方法。

10、本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于检测反馈的知识与策略协同更新方法。

11、本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于检测反馈的知识与策略协同更新方法。

12、本申请的实施例提供的技术方案可以包括以下有益效果：由于首先获取当前检测任务的场景信息，并根据场景信息从检测策略库中调用目标检测策略执行检测，可结合实际工况精准匹配检测策略，摆脱了传统方案依赖固定预设参数与人工经验配置策略的弊端，有效提升策略调用的场景适配能力；由于利用检测生成的目标检测结果及反馈数据更新异常知识图谱，能够将碎片化的信息转化为结构化知识，实现检测经验与异常特征的系统化沉淀，充分挖掘数据潜在价值，解决了现有技术中信息分散存储、有效经验难以复用的问题；又因为依托更新后的异常知识图谱对检测策略库中的目标检测策略进行评估与迭代更新，依托真实检测形成的知识体系持续优化检测策略，可显著降低系统长期运行过程中的误检、漏检概率，不断提升膜材检测精度与复杂工况适应能力。综上，本方案实现了检测数据结构化管理、检测经验可复用、检测策略动态自主优化，弥补了传统膜材检测系统持续优化能力不足的短板，能够充分满足工业膜材在线、离线检测场景下高精度、高适应性的应用要求。

1.一种基于检测反馈的知识与策略协同更新方法，其特征在于，包括：

2.根据权利要求1所述的基于检测反馈的知识与策略协同更新方法，其特征在于，所述根据所述目标检测结果与所述反馈数据更新异常知识图谱，包括：

3.根据权利要求1所述的基于检测反馈的知识与策略协同更新方法，其特征在于，所述基于更新后的异常知识图谱对所述检测策略库中的目标检测策略进行评估和更新，包括：

4.根据权利要求1所述的基于检测反馈的知识与策略协同更新方法，其特征在于，所述根据所述目标检测结果与所述反馈数据更新异常知识图谱，并基于更新后的异常知识图谱对所述检测策略库中的目标检测策略进行评估和更新之后，所述方法还包括：

5.根据权利要求1所述的基于检测反馈的知识与策略协同更新方法，其特征在于，所述反馈数据包括：人工复核结论、工艺处置结果、误判标记中的至少一种。

6.根据权利要求1所述的基于检测反馈的知识与策略协同更新方法，其特征在于，所述场景信息包括检测对象类型、检测精度要求、检测环境参数、生产批次信息中的至少一种。

7.一种基于检测反馈的知识与策略协同更新装置，其特征在于，包括：获取模块和处理模块；

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述基于检测反馈的知识与策略协同更新方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于检测反馈的知识与策略协同更新方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于检测反馈的知识与策略协同更新方法。